这轮验收口径的变化，核心就在一个字：对。企业开始收到一种新的投诉——AI 把我们的产品说错了。这句话听起来像客服问题，其实是验收口径的问题——过去验收看「有没有被提到」，现在要看「说得对不对」。IT之家 11 月在 GEO 行业白皮书的更新版里把这条变化写得很明确：品牌方收到的描述错误投诉在增加，这类问题的商业损失比「没被提到」更直接，验收标准正从提及率转向描述准确度与引用位置。11 月 12 日可查的公开材料里，这条判断已经有了可对照的方法。
错误不是模型编的，是它复述了旧页面
多数错误不是模型凭空生成的，也不是有人故意写错。它更像一次失真的转述：页面过期了，标注没更新，模型照抄。模型的回答会调用它检索到的页面，页面写着什么，它就复述什么。所以买到过时报价、看到三年前的服务范围、被写成已停止的业务，根子在页面本身没有更新，或者更新了但没有明确的更新时间与结构化标记，模型判断不了哪一版更新。
这也解释了为什么「发一批稿」不管用，也解释了为什么单看可见度的提及率会误判。竞品对比里常出现一种情况：对手的提及率在涨，但准确性在掉，用户看到的是一个说错的对手。稿件散落在第三方媒体，发布时间各异，内容口径不一致，模型按置信度自行取舍，很可能采信了其中错的那一版。纠偏的第一步不是发更多稿，而是把事实收敛到一个版本。
三类字段最容易出错
从公开案例看，错误集中在三类字段：价格与规格、服务范围与覆盖城市、资质与成立时间。这三类恰好是用户做决策时最依赖的信息，也是企业官网上最容易被「营销话术」覆盖的部分——写「行业领先」不会错，写「覆盖 127 个城市」就要对。
用引用来源定位错误
定位方法很直接：看 AI 回答引用了哪些链接，把引用来源逐条打开核对。如果答案里的错误数值能在某个页面上找到原文，错误源就确定了；如果找不到，才需要考虑模型自身的问题。实践中前者占多数，这也意味着纠偏动作大部分落在内容维护上，而不是技术上。
多轮采集替代单次截图
白皮书提到监测会从截图走向多轮采集，固定问题集、固定频次、连续多轮、基线对比，会逐步成为合同里的标准条款。原因很简单：AI 回答有随机性，单次截图既证明不了错，也证明不了对。多轮采集才能给出比例。
| 错误类型 | 常见来源 | 纠偏动作 | 复测周期 |
|---|---|---|---|
| 价格与规格 | 过时的产品页 | 更新页面并标注生效日期 | 两周 |
| 服务范围 | 旧版介绍页与第三方转载 | 统一口径并清理旧稿 | 四周 |
| 资质与成立时间 | 百科与媒体稿不一致 | 以官方披露为准逐条校准 | 四周 |
把准确度写进验收条款
验收条款要能执行，得写清三件事：采样问句、采样频次、判定规则。判定规则最容易被含糊处理——什么算「准确」，什么算「部分偏差」，需要有对照的事实表。没有这张表，甲乙双方对同一个回答会得出不同结论。
需要提醒一处不确定：白皮书里的 47% 与 89% 来自服务商脱敏案例，样本单一，也没有披露判定标准；「错误投诉在增加」是行业观察，不是统计结论。这些材料能说明方向，不能当作自己项目的预期值。可复用的只有方法：固定问句、多轮采集、按引用源定位、收敛事实版本。
常见问题
「没被提到」和「被说错」哪个更严重？
被说错更严重。没提到只是缺席，被说错会让用户在比较阶段直接排除你，错误还会随引用扩散。
错误通常出在哪几类信息上？
价格与规格、服务范围与覆盖城市、资质与成立时间三类最常见，也恰好是决策最依赖的字段。
怎么判断错误来自哪里？
看引用来源。答案引用了哪个页面就去核那个页面，多数错误是忠实复述了过时页面。
纠偏之后多久能生效？
取决于抓取频率与信源权重。有明确更新时间的官方页面通常两周内被重新采信。
